(Translated by https://www.hiragana.jp/)
資料倉儲 - 维基百科,自由的百科全书 とべ转到内容ないよう

資料しりょうくらもうか[编辑]

维基百科ひゃっか自由じゆうてき百科ひゃっかぜん
重定しげさだこうかずすえ仓库
かずすえ仓库てき总览。

ざい计算つくえ领域,かずすえ仓库英語えいごdata warehouse,也称为くわだて业数すえ仓库よう报告えいBusiness reportingかずすえ分析ぶんせきまとけい统,认为しょう智能ちのうてき核心かくしん组件[1]かずすえ仓库一个或多个不同源的集成数据的中央存储库。かずすえ仓库はたとうぜん历史すうすえそん储在いちおこり[2]よう于为せい个企业的员工创建分析ぶんせき报告[3]

そん储在仓库ちゅうてきすうすえ运行けいれい如营销或销售)うえつたえ。这些すうすえ可能かのうかいどおり过一个ODSかずすえ库,并且可能かのう需要じゅよう进行额外操作そうさてきかずすえきよし[2],以确かずすえ质量えいdata qualityしかきさき才能さいのうざいすうすえ仓库ちゅうよう于报つげ

典型てんけいてきもとひっさげ、转换、(ETL)てきすうすえ仓库[4]使用しようぶんかずすえ集成しゅうせいかず访问层来そん其关键功のうぶん级层あるぶん级数すえ库存储从ごと不同ふどうてきみなもとすうすえけい统中ひさげ取的とりてき原始げんしすうすえ集成しゅうせい层通过转换来自分じぶん级层てきすうすえはた不同ふどうてきすうすえ集合しゅうごうざい一起かずき通常つうじょうはた转换きさきてきすうすえそん储在ODSすうすえ库中。しかきさきしょう集成しゅうせいてきすうすえ转移いた另一个数据库(通常つうじょうしょう为数すえ仓库すうすえ库),ざい这个すうすえ库中,すうすえぶん为层组(通常つうじょうしょう为维),并被ぶんなりごと实和聚合ごと实。こと实和维度てき组合ゆう时被しょうほしがたしき。访问层帮すけよう户检さくすうすえ[5]

かずすえてき主要しゅようみなもとせいさとし、转换、ぶん类,并提供ていきょう管理人かんりにん员和其他しょう业专业人员用于かずすえ挖掘線上せんじょう分析ぶんせき處理しょり研究けんきゅう决策支持しじ[6]しか而,检索分析ぶんせきすうすえひっさげ、转换和装わそう载数すえ以及管理かんりかずすえ字典じてんてき方法ほうほう也被认为すうすえ仓库けい统的基本きほん组成部分ぶぶん。许多数たすうすえ仓库てき文献ぶんけん使用しようりょう这个さら广泛てき语境。よし此,すうすえ仓库てき扩展てい包括ほうかつしょう智能ちのう工具こうぐえいbusiness intelligence toolsひっさげ、转换かず载数すえいたそん储库てき工具こうぐ,以及管理かんり检索もとすうすえてき工具こうぐ

簡易かんいてき解釋かいしゃく方式ほうしき

[编辑]

資料しりょうくらもうか一種資訊系統的資料儲存理論,此理ろん強調きょうちょう利用りようぼう特殊とくしゅ資料しりょうもうかそん方式ほうしきゆずるしょ包含ほうがんてき資料しりょう特別とくべつ有利ゆうり分析ぶんせき處理しょり,以產せい有價ゆうか值的訊並此作けつさく

利用りよう資料しりょうくらもうか方式ほうしき所存しょぞんてき資料しりょう具有ぐゆういちただしそんいれ便びん不隨ふずい時間じかん而更動的どうてき特性とくせい同時どうじそんいれてき資料しりょう必定ひつじょう包含ほうがん時間じかん屬性ぞくせい通常つうじょう一個資料倉儲皆會含有大量的歷史性資料,なみ利用りよう特定とくてい分析ぶんせき方式ほうしき其中發掘はっくつ特定とくてい訊。

學術がくじゅつてき解釋かいしゃく方式ほうしき

[编辑]

資料しりょうくらもうかゆかり資料しりょうくらもうかこれちちなんじ·えいこうむえいBill Inmon於1990ねん提出ていしゅつ主要しゅようこうのう乃是しょう組織そしき透過とうか系統けいとう線上せんじょう交易こうえき處理しょり(OLTP)經年けいねん累月るいげつしょ累積るいせきてき大量たいりょう資料しりょう透過とうか資料しりょうくらもうか理論りろんしょ特有とくゆうてき資料しりょうもうかそん構,さくいちゆう系統けいとうてき分析ぶんせき整理せいり,以利各種かくしゅ分析ぶんせき方法ほうほう線上せんじょう分析ぶんせき處理しょり(OLAP)、資料しりょうさがせかん(Data Mining)進行しんこう並進へいしん而支援如けつさく支援しえん系統けいとう(DSS)、主管しゅかん系統けいとう(EIS)建立こんりゅう,幫助けつさくしゃのう快速かいそく有效ゆうこうてき自大じだいりょう資料しりょうちゅう分析ぶんせき有價ゆうか值的訊,以利けつさくなずらえてい及快そくかいおう外在がいざい環境かんきょう變動へんどう,幫助けん商業しょうぎょう智慧ちえ(BI)。

一般いっぱんらいせつ資料しりょうくらもうかゆかり關聯かんれんしき資料しりょうあるせんため資料しりょうくらもうか開發かいはつてき維度資料しりょう建立こんりゅうわかゆかり維度資料しりょう建立こんりゅう而成,其架構可ぶんためほしじょう及雪はなじょう構,包含ほうがんすう維度資料しりょうひょう,及いち事實じじつ資料しりょうひょう

資料しりょうくらもうかてきけんせい僅只訊工技術ぎじゅつめんてき運用うんようざいぶんまわし執行しっこうめんさら需對產業さんぎょう知識ちしきくだり管理かんり市場いちば定位ていい策略さくりゃくぶんまわしとう相關そうかん條件じょうけんゆう深入ふかいりてき了解りょうかい才能さいのう真正しんせい發揮はっき資料しりょうくらもうか以及後續こうぞく分析ぶんせき工具こうぐてきあたい值,つつみます組織そしき競爭きょうそうりょく

資料しりょうくらもうかてき特性とくせい

[编辑]
  • 主題しゅだいしるべむかい(Subject-Oriented)
ゆうべつ一般いっぱんOLTP系統けいとう資料しりょうくらもうかてき資料しりょう模型もけい設計せっけいしるおもはた資料しりょう按其意義いぎるいいたりしょうどうてき主題しゅだい(subject area),いん此稱ため主題しゅだいしるべむこう。舉例如Party、Arrangement、Event、Productとう
  • 整合せいごうせい(Integrated)
資料しりょう企業きぎょうかくOLTP系統けいとうざい資料しりょうくらもうかちゅう整合せいごう一致いっちてき
  • 時間じかん差異さいせい(Time-Variant)
資料しりょうてき變動へんどうざい資料しりょうくらもうかちゅう是能これよし夠被ろく以及つい變化へんかてきゆうじょ於能反映はんえいのうずいちょ時間じかん變化へんかてき資料しりょう軌跡きせき
  • 變動へんどうせい(Nonvolatile)
資料しりょう一旦確認寫入後是不會被取代或刪除的,そく使資料しりょう錯誤さくごてきまたどう。(i.e.錯誤さくごてき後續こうぞく修正しゅうせい便びんいん上述じょうじゅつ時間じかん差異さいせいてき特性とくせい而被つい蹤)

ODS、資料しりょうくらもうか資料しりょうちょう市之いちの異同いどう

[编辑]

Operational data storeODS)、資料しりょうくらもうか資料しりょうちょう三者相同之處在於均不屬於任一OLTP系統けいとうなみ且都資料しりょうしるべむこうてき設計せっけい而非りゅうほど(process)しるべむこう

あいことしょざい於,ODSてき特性とくせい較著じゅう戰術せんじゅつせい查詢,變動へんどうせいだい資料しりょうくらもうか通常つうじょうため企業きぎょうそうきゅうようらい解答かいとう即興そっきょうしき臨時りんじせいてき問題もんだい。而資料しりょうちょうのり偏向へんこう解決かいけつ特定とくてい單位たんいある部門ぶもんてき問題もんだい部分ぶぶん採用さいよう維度模型もけい(dimensional model)。

資料しりょうさがせかん、OLAP資料しりょうくらもうか

[编辑]

資料しりょうくらもうか作為さくい資料しりょうさがせかんOLAPとう分析ぶんせき工具こうぐてき資料しりょうらいげんゆかり於存資料しりょうくらもうかなかてき資料しりょう必需ひつじゅ經過けいかふるいせんあずか轉換てんかんいん此可以避めん分析ぶんせき工具こうぐ使用しよう錯誤さくごてき資料しりょう,而得いた不正ふせいかくてき分析ぶんせき結果けっか

資料しりょうさがせかんOLAPどうため分析ぶんせき工具こうぐ,其差別さべつざいOLAP提供ていきょう使用しようしゃ一便利的多維度觀點和方法,以有效率こうりつてきたい資料しりょう進行しんこう複雜ふくざつてき查詢動作どうさ,其預しつらえ查詢條件じょうけんよし使用しようしゃあずかせん設定せってい,而資料しりょうさがせかんのりのうよし系統けいとう主動しゅどう發掘はっくつ資料しりょうらいげんちゅう曾被察覺てきかくれぞう訊,透過とうか使用しようしゃてき認知にんち以產せい知識ちしき

資料しりょうさがせかん(Data Mining)技術ぎじゅつ經由けいゆ自動じどうあるはん自動的じどうてき方法ほうほうさがせかん分析ぶんせき大量たいりょうてき資料しりょう,以建立こんりゅう有效ゆうこうてき模型もけい規則きそく,而企ぎょう透過とうか資料しりょうさがせかんさらあきらかい們的きゃくしん而改すすむ們的ぎょう銷、業務ぎょうむ及客ふくてきうんさく資料しりょうさがせかん資料しりょうくらもうかてきいちしゅ重要じゅうよう運用うんよう基本きほんじょう,它是ようらいはた你的資料しりょうちゅうかくれぞうてき訊挖掘出ほりだしらい所以ゆえんData Mining其實所謂いわゆるてきKnowledge Discoveryてき一部いちぶ份,Data Mining使用しようりょう許多きょた統計とうけいぶん析與Modelingてき方法ほうほういた資料しりょうちゅうひろ找有ようてき特徵とくちょう(Patterns)以及關連かんれんせい(Relationships)。Knowledge Discoveryてき過程かていたいData Miningてき應用おうよう成功せいこうあずかいやゆう重要じゅうようてき影響えいきょうただゆう才能さいのう確保かくほData Miningのう獲得かくとく有意義ゆういぎてき結果けっか

まいり

[编辑]

参考さんこう文献ぶんけん

[编辑]
  1. ^ Dedić, Nedim; Stanier, Clare. Hammoudi, Slimane; Maciaszek, Leszek; Missikoff, Michele M. Missikoff; Camp, Olivier; Cordeiro, José , 编. An Evaluation of the Challenges of Multilingualism in Data Warehouse Development. International Conference on Enterprise Information Systems, 25–28 April 2016, Rome, Italy (PDF). Proceedings of the 18th International Conference on Enterprise Information Systems (ICEIS 2016) 1 (SciTePress). 2016: 196–206 [2019-05-19]. ISBN 978-989-758-187-8. doi:10.5220/0005858401960206. (原始げんし内容ないようそん于2021-04-27).  さんすう|journal=あずかばん{{cite conference}}ひきはいけん议改よう{{cite journal}}ある|book-title=) (帮助)
  2. ^ 跳转到: 2.0 2.1 9 Reasons Data Warehouse Projects Fail. blog.rjmetrics.com. [2017-04-30]. (原始げんし内容ないようそん于2021-04-27). 
  3. ^ Exploring Data Warehouses and Data Quality. spotlessdata.com. [2017-04-30]. (原始げんし内容ないようそん档于2018-07-26). 
  4. ^ What is Big Data?. spotlessdata.com. [2017-04-30]. (原始げんし内容ないようそん档于2017-02-17). 
  5. ^ Patil, Preeti S.; Srikantha Rao; Suryakant B. Patil. Optimization of Data Warehousing System: Simplification in Reporting and Analysis. IJCA Proceedings on International Conference and workshop on Emerging Trends in Technology (ICWET) (Foundation of Computer Science). 2011, 9 (6): 33–37 [2019-05-19]. (原始げんし内容ないようそん于2021-04-28). 
  6. ^ Marakas & O'Brien 2009